1. 研究目的与意义、国内外研究现状（文献综述）
课题意义：
近年来随着信息技术地飞速发展和互联网地普及，人们获取信息的途径已经越来越简单，越来越多样性，通过上网搜索浏览信息的方式已经逐渐取代了传统纸媒体获取信息的方式。在周围充斥着海量信息以及获取信息途径方式越来越简单的同时，也面临着信息过载的问题，即面对着网络上海量的信息却难以找到自己真正感兴趣有价值的信息。信息过载问题对于用户和电商网站都是很严重的问题，用户难以在海量信息中找寻到需要的信息，对信息平台会逐渐丧失信心，信息平台则会因此失去用户流量。[1]
在这样的情景下，推荐系统应运而生，推荐系统是个集合了数据挖掘技术，计算统计学技术和信息检索技术等学科的复杂的系统工程，将数据、算法、架构、人机交互等环节有机结合，推荐系统的出现，解决了信息过载的难题。推荐系统抛弃了以用户搜索关键词为核心进行信息展示的方式，其通过分析用户基本信息和历史行为，刻画用户画像并分析用户偏好，根据用户潜在偏好为用户推荐其感兴趣的信息，极大的提升了用户满意度和忠诚度，同时也为信息平台带来更大用户流量，获取更大的收益和价值。
2. 研究的基本内容和问题
推荐系统在大数据时代有着十分重要的作用，在传统互联网中己经得到了广泛的应用。目前，国内应用推荐算法的应用系统己经涉及了在线视频、电子商务等领域。如淘宝网、唯品会、当当网、京东商城等各大电子商务网站主要运用推荐技术为用户提供需要的商品或服务推荐；另外，爱奇艺、搜狐视频、优酷土豆等视频领域的网站也应用了推荐技术，将个性化的服务推送给用户。然而，在新闻领域，大部分口户网站和新闻网站遵循的是统一内容、根据题材和类别对新闻进行分类，之后通过新闻的发布时间来进行更新，将旧的新闻换成最新的新闻，这种方式固然节约了开发成本和维护成本，但是需要用户花费额外的时间和精力去筛选，降低了用户体验，増加了用户的负担。本文主要研究了推荐系统在新闻推荐领域的面向移动终端的应用，对现有的推荐算法进行一定分析研究，选择并改进最适合应用于新闻推荐领域的推荐算法，设计并实现一个新闻推荐系统。主要研究内容包括：
1 通过查阅资料和借助互联网工具，学习各种己有的推荐算法。
2 了解推荐系统目前在新闻推荐领域的背景和应用，明确了本文的选题
3. 研究的方法与方案
网络技术的飞速发展认及网络覆盖率的大幅提离，使得互联网上的信息种类和数量呈现出爆炸式増长的形势。面对海量的信息资源，信息提供者难以将自己的信息有效的展现在用户面前使其发现；同时，用户也难以在数据海洋中找到自己真正需要的信息。
推荐系统的出现，有效的解决了这一问题。它通过对用户的属性信息、历史数据等进行处理分析，在海量数据中找到用户可能会感兴趣的信息推荐给用户，从而提高用户获取信息的效率及用户体验。一个成功的推荐系统，能够以较高的准确度挖掘用户的潜在也理需求，进而提高信息与利益的转化度，并提髙用户对于此系统的好感度和忠诚度。[3]
推荐系统实现的核也是其使用的推荐算法。针对不同的使用环境及其系统的数据特征，选取不同的推荐算法，可Ｗ在本质上提髙推荐系统的推荐效果。根据不同的分类标准，推荐算法出现了有很多不同的分类方法，本文采用了比较普遍的分类方法。
4. 研究创新点
基于内容的推荐算法层次结构：
基于内容的推荐过程一般分为以下几个模块：
1 特征提取模块：由于大多数物品信息是非结构化的，需要为每个物品（如产品、网页、新闻、文档等）抽取出一些特征属性，用某一恰当的格式表示，以便下一阶段的处理。如将新闻信息表示成关键词向量，此种表示形式将作为下一模块（属巧特征学习模块）的输入。
5. 研究计划与进展
本系统计划实现以下模块：
用户处理模块：
用户处理模块包括用户注册相关界面、用户信息处理模块、用户兴趣标签计算
